Learning Outcomes, Human–AI Trust, and Behavioral Patterns in GenAI-Assisted Pair Programming
这项准实验研究表明，将生成式人工智能整合进初中生结对编程中，能显著提升学生的编程知识水平和项目表现，并增加他们对人工智能的信任，尽管研究也揭示了一种过度依赖调试辅助而非主动进行问题分解的行为倾向。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在世界各地的教室里，一个简单的想法长期以来被用于教授复杂的计算机编程艺术：两名学生坐在同一台电脑前共同协作。其中一人被称为“驾驶员”（driver），负责控制键盘和鼠标来输入指令；而另一人则是“领航员”（navigator），负责观察屏幕、发现错误并建议下一步行动。这种被称为“结对编程”（pair programming）的方法有助于初学者更快地学习，并在出错时感到不再孤单。但随着能够生成文本和代码的强大新程序出现在学校中，一个新问题随之而来：当你在团队中加入第三个伙伴时，会发生什么？人工智能能否作为一个有益的引导者，而不夺走学习的过程，还是说它面临着让学生过度依赖一台并不总是正确的机器的风险？
中国的一组研究人员最近通过观察中学生在有无这项新技术辅助下学习编程的过程，试图回答这些问题。他们研究了69名几乎没有编程经验的八年级学生。研究人员将班级分为两组：一组采用传统方式，即两名学生共享一台电脑，且没有人工智能的帮助；另一组也以同样的方式工作，但可以接触到一个智能计算机程序，该程序可以回答问题、解释错误，并在被要求时编写代码片段。两组学生在八周的时间里构建了一个小型软件项目，并且每十分钟切换一次角色，以便每个人都有机会担任驾驶员和领航员。
结果显示，使用人工智能支持的学生实际上学到了更多知识。在八周结束时的测试中，他们掌握了更多的编程概念，并构建了比未使用该工具的学生更好的最终项目。然而，研究也揭示了这些学生使用该技术的一种特定模式：当代码无法运行时，学生经常询问计算机错误的解释，然后立即要求它修复问题。这创造了一个循环：他们陷入困境，寻求帮助，得到解决方案，然后再次陷入困境。他们较少询问如何将一个大问题分解为更小的部分，或者代码究竟是如何运作的，这表明他们是在利用这个工具直接获取答案，而不是为了理解背后的逻辑。
或许最有趣的是学生对这项技术的情感变化如何。在研究开始时，学生们对信任这台计算机持怀疑态度。到研究结束时，经过数周的共同工作，他们对系统的信任度显著提高。他们学会了依赖它，但研究人员指出，这种信任是通过反复的互动和验证建立起来的。研究并未发现人工智能取代了人类伙伴的需求；相反，它作为一个第三种资源，需要两名学生共同管理。驾驶员输入提示词，而领航员观察屏幕并协助判断计算机的建议是否合理。
这项研究凸显了现代教育中一种微妙的平衡。人工智能工具显然帮助学生产出了更好的成果并学到了更多事实，但也鼓励了寻求即时修复而非深度思考的习惯。学生们并没有盲目接受计算机所说的一切；他们共同协作来解读其答案。研究表明，虽然这些工具可以提升学习成果，但教育工作者必须谨慎地引导学生如何使用它们。目标不仅仅是让计算机解决问题，而是要确保学生仍然是思考解决方案的人，将机器视为合作伙伴，而非捷径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。